1 / 112

Imagem Digital Conceitos, Processamento e Análise

Imagem Digital Conceitos, Processamento e Análise. Parte 1: Conceitos básicos. Imagem e funções Imagem digital: amostragem, quantização e codificação Re-amostragem de funções. 100%. 80%. 60%. Níveis de cinza. 40%. 20%. x. 0%. Posição ao longo da linha. L. L(u,v). v. u. Função.

sidney
Download Presentation

Imagem Digital Conceitos, Processamento e Análise

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Imagem DigitalConceitos, Processamento e Análise Parte 1: Conceitos básicos Imagem e funções Imagem digital: amostragem, quantização e codificação Re-amostragem de funções

  2. 100% 80% 60% Níveis de cinza 40% 20% x 0% Posição ao longo da linha L L(u,v) v u Função Imagem: Modelo Matemático: Função

  3. v u Imagem colorida G R B

  4. Imagem coloridas como 3 canais de cor canal vermelho canal verde canal azul

  5. Imagem Digital Amostragem, quantização e codificação

  6. amostra partição do eixo x Amostragem, quantização e codificação de f(x) f(x) x

  7.    amostra quantizada          Amostragem, quantização e codificação de f(x) f(x) 6 5 4 3 2 1 0 x codificação = (3, 4, 5, 5, 4, 2, 2, 3, 5, 5, 4, 2)

  8. Anatomia das máquinas atuais

  9. Câmeras atuais

  10. Digitalização de Imagens Discretização espacial (amostragem)

  11. 64x54 amostragem Imagem amostrada quantização 64x54 - 16 cores 55 55 55 55 55 55 55 55 20 22 23 45 55 55 55 55 10 09 11 55 55 55 55 43 42 70 55 55 8*55, 1*20, 1*22, 1*23, …. 55 55 28 76 22 55 55 codificação 55 55 55 55 55 55 55 Imagem amostrada, quantizada e codificada Imagem amostrada e quantizada Processos básicos Imagem de tons contínuos

  12. Imagem Digital:Histogramas Uma outra maneira de ver a informação da imagem: probabilidade deocorrência de um determinado valor, uso do intervalo [0,255], contraste,...

  13. Histogramas de Imagem Colorida

  14. Propriedades básicas de uma Imagem Digital

  15. função original função reconstruída pelo vizinho mais próximo função reconstruída por interpolação linear Problemas associados a re-amostragem de um sinal digitalf(x) f(x) 6     5    4   3     2 1 0 x (a) aumento de resolução

  16. Re-amostragem de f(x) f(x) 6 função original     5    4   3     função reconstruída pelo vizinho mais próximo função reconstruída por interpolação linear 2 1 0 x (b) redução de resolução

  17. f(x) x Freqüência de Amostragem f(x) x

  18. Imagem DigitalConceitos, Processamento e Análise Parte 2 - Eliminação de ruídos e realce de arestas Aplicações da Transformada de Fourier

  19. Redução de ruídos • Dada uma imagem Icom um ruído n, reduza n o máximo que puder (preferencialmente elimine ncompletamente) sem alterar significativamente I. 20 dB significam

  20. é o mesmo processo estocástico que não varia no tempo. Dois tipos básicos de ruídos • Ruído Gaussiano branco : processo estocástico de média zero, independente do tempo e dos espaço. é uma variável aleatória com a distribuição:

  21. Dois tipos básicos de ruídos • Ruído impulsivo: causado por erro de transmissão, CCDs defeituosos, etc... Também chamado de pico e de sal e pimenta. são v.a. uniformemente distribuídas imin, imax, e lsão parâmetos de controle da quantidade de ruídos.

  22. Exemplo de ruído Gaussiano (=5) e Impulsivo ( =0.99)

  23. Imagem com ruído impulsivo Uso da mediana Iij = mediana Ωij

  24. Sinal com ruído

  25. h Suavização f

  26. Filtragem Gaussiana

  27. Mascara ou Filtro ou:

  28. Convolução

  29. Ilustação da convolução

  30. Ilustração da convolução

  31. Discretização da Gaussiana 1D 0.3 0.2 0.1 -4 -3 -2 -1 0 1 2 3 4

  32. Discretização da Gaussiana 2D

  33. Separabilidade do filtro gaussiano

  34. Imagem filtrada com um filtro passa baixa

  35. Arestas e cantos • Locais de mudanças significativas na intensidade da imagem

  36. Edgedels = edge elements

  37. Tipos de arestas degrau(step) rampa(ramp) cume(roof) impulso(spike)

  38. Gráfico sem e com ruído

  39. Derivadas e arestas f(x) f(x)+n(x) | f'(x)+n'(x) | f"(x)+n"(x)

  40. Série de Taylor Com x=1, f(x)=fi e f(x+x)=fi+1 (a) Com x=-1, f(x)=fi e f(x+x)=fi-1 (b)

  41. f(x) fi fi+1 fi-1 i-1 i+1 i x Aproximações para derivadas (a-b)  (a+b) 

  42. Em 2D Gradiente Convolution Kernels Laplaciano

  43. Finite differences Khurram Hassan-Shafique

  44. Classical Operators Prewitt’s Operator Differentiate Smooth Khurram Hassan-Shafique

  45. Classical Operators Sobel’s Operator Differentiate Smooth Khurram Hassan-Shafique

  46. Detecting Edges in Image • Sobel Edge Detector Edges Threshold Image I Khurram Hassan-Shafique

  47. Sobel Edge Detector Khurram Hassan-Shafique

  48. Sobel Edge Detector Khurram Hassan-Shafique

  49. Filtros de realce de bordas Vertical Horizontal Gradiente Roberts Sobel Laplaciano

More Related